摘要 - 单个频率 - 量子(SFQ)数字电路主要基于依赖可靠的基础过程的单元,这些过程利用超导地面平面作为活动元件和微带线互连的参考。与二进制信息相关的磁性弹力H / 2 E的量子对应于需要在太空中定位的磁场能量密度,以限制相邻细胞之间的相互作用。换句话说,除非在设计阶段仔细考虑电路,否则相互电感会损害正确的行为。我们对约瑟夫森传输线(JTL)细胞进行了广泛的研究,并具有不同的地面平面和偏置垫的不同地理配置。我们发现使用电感的使用有时会遵循远离直觉告诉的路径,这可能导致非优化的设计。在本文中,我们强调由于存在外部或内部磁场而引起的局限性。然后,我们将获得的性能与具有优化几何形状的性能进行了比较,从设计阶段考虑了磁场的存在。
摘要 - 当两种或多种混合使用的药物会引起不良副作用时,即使使用药物单独使用不会造成伤害时,多药的问题也会引起不利的副作用。药物相互作用(DDIS)是这些反应的主要原因,导致发病率和死亡率增加。由于有害DDI的潜力呈指数增长,因此药物相互作用的预测对于患者的安全和有效的医疗保健管理越来越重要。在本文中,我们开发了Chembertaddi框架,该框架有效地结合了临床域数据,以单副作用特征表示,其富集化学分子表示,该化学分子表示源自Chemberta-77m-MLM,这是一个基于变压器的LAN- lan- gage模型。与五种最先进的方法相比,在基准数据集上进行的实验表现出色:decagon,deepwalk,dedicom,nnps和recrecal。评估表明,Chembertaddi的F1得分为0.94,AUROC为0.97,表现优于基线体系结构,并推广到新的引入的药物化合物。索引术语 - 转化,自然语言处理,分子表示学习,药物 - 药物相互作用,多药,Chemberta,神经网络,深度学习,注意机制,生物信息学
摘要我们介绍了自我监控的推理时间干预(SMITIN),这是一种使用分类探针来控制自回归的生成音乐变压器的方法。这些简单的逻辑回归探针通过使用表现出特定的音乐性状(例如,鼓声/不存在鼓或真实/合成音乐)的小型音频示例对变压器中每个注意力头的输出进行了训练。然后,我们将注意力头转向探针方向,以确保生成模型输出捕获所需的MUSICAL性状。此外,我们监视探针输出,以避免在自回归产生中添加过量的干预措施,这可能会导致时间上不一致的音乐。我们在音频延续和文本到音乐应用程序中客观和主观验证结果,证明了将控件添加到大多数音乐家的重新培训甚至灌感都是不切实际的大型生成模式中的能力。建议的干预方法的音频样本可在我们的演示页面上
视觉变形金刚在各种计算机视觉任务中取得了令人鼓舞的进步。一个普遍的信念是,这归因于自我注意力在对特征令牌之间的全球依赖性建模中的能力。然而,自我注意力仍然面临着密集的预测任务的几个挑战,包括高计算复杂性和缺乏理想的电感偏见。为了减轻这些问题,重新审视了视觉变压器与Gabor过滤器的潜在优势,并提出了使用卷积的可学习的Gabor过滤器(LGF)。LGF不依赖自我注意力,它用于模拟生物学视觉系统中基本细胞对输入图像的响应。这鼓励视觉变形金刚专注于跨不同尺度和方向的目标的歧视性特征表示。此外,基于LGF设计了仿生焦点视觉(BFV)块。此块从神经科学中汲取灵感,并引入了双路径前进网络(DPFFN),以模仿生物学视觉皮层的平行和级联信息处理方案。此外,通过堆叠BFV块开发了一个称为焦视变压器(FVITS)的金字塔骨干网络的统一家族。实验结果表明,FVIT在各种视觉任务中表现出卓越的性能。在计算效率和可扩展性方面,与其他同行相比,FVIT具有显着优势。
植物性疾病对全球粮食安全和农业的可持续性构成了重大风险,从而导致经济损失和阻碍农村生计。传统的疾病检测方法,包括视觉检查和基于实验室的技术,其可扩展性,效率和准确性受到限制。本文解决了使用高级机器学习技术(特别是视觉变压器(VIT))准确检测和诊断植物疾病的关键问题,以克服这些限制。VITS利用自我发明的机制来捕获植物图像中的复杂模式,从而实现准确有效的疾病分类。本文回顾了有关农业深度学习技术的文献,强调了对植物疾病检测的VIT的日益兴趣。此外,它为培训和评估植物疾病分类任务的VIT模型提供了全面的方法。实验结果证明了VIT在准确识别55种平衡类别数据集中的各种植物疾病方面的有效性,强调了它们的潜力彻底改变了精密农业并促进可持续的农业实践。
Yingzong Jiao获得博士学位。中国Zhejiang大学(ZJU)的电气工程学士学位,目前是Harbin Technology(HIT)的电气工程与自动化学院的助理教授。 他是与DC可再生收藏和DC/DC电源转换有关的5个研究项目的PI。 他在电力电子和电力系统领域发表了10多篇期刊论文,这些论文与可再生能源集成在一起。 在PEDG2023和EPE2023的会议上,他获得了HVDC 2020会议上的最佳纸张奖。 Ning Wang(IEEE学生会成员)获得了学士学位 硕士学位,中国达利安海洋大学的学位,硕士学位 毕业于中国哈尔滨理工学院(HIT),2023年。 他目前正在攻读博士学位。电力电子学位。 他当前的研究兴趣包括高功率DC变压器,MVDC收集/分配系统以及中频变压器的设计。Yingzong Jiao获得博士学位。中国Zhejiang大学(ZJU)的电气工程学士学位,目前是Harbin Technology(HIT)的电气工程与自动化学院的助理教授。他是与DC可再生收藏和DC/DC电源转换有关的5个研究项目的PI。他在电力电子和电力系统领域发表了10多篇期刊论文,这些论文与可再生能源集成在一起。在PEDG2023和EPE2023的会议上,他获得了HVDC 2020会议上的最佳纸张奖。Ning Wang(IEEE学生会成员)获得了学士学位 硕士学位,中国达利安海洋大学的学位,硕士学位 毕业于中国哈尔滨理工学院(HIT),2023年。 他目前正在攻读博士学位。电力电子学位。 他当前的研究兴趣包括高功率DC变压器,MVDC收集/分配系统以及中频变压器的设计。Ning Wang(IEEE学生会成员)获得了学士学位硕士学位,中国达利安海洋大学的学位,硕士学位毕业于中国哈尔滨理工学院(HIT),2023年。他目前正在攻读博士学位。电力电子学位。他当前的研究兴趣包括高功率DC变压器,MVDC收集/分配系统以及中频变压器的设计。
摘要 - 在本文中,我们通过开发神经网络模型来大大扩展了机器人执行后续任务和该任务的变化的能力,从而从观察到的人类运动历史上预测未来的人类运动。我们提出了一个非自动回忆的变压器架构,以利用其并行性质,以便在测试时更容易训练和快速,准确的预测。所提出的结构将Human运动预测分为两个部分:1)人类轨迹,这是髋关节随时间的3D位置,以及2)人类姿势,这是所有其他关节在时间上相对于固定髋关节的3D位置。我们建议同时做出两个预测,因为共享表示可以改善模型性能。因此,该模型由两组编码器和解码器组成。首先,应用于编码器输出的多头注意模块改善了人类轨迹。第二,应用于与解码器输出相连的编码器输出的另一个多头自我发项模块有助于学习时间依赖性。我们的模型在测试准确性和速度方面非常适合机器人应用,并且相对于最先进的方法进行了比较。我们通过机器人后续任务证明了我们作品的现实适用性,这是我们提议的模型充满挑战而实用的案例研究。我们的模型预测的人类运动使机器人可以在情况下进行详细的人类运动,例如静止不动,即站立。它还使简单的控制策略能够琐碎地概括到人类关注的许多不同变化,例如后续行动。我们的代码和数据可在以下github页面上获得:https://github.com/mmahdavian/stpotr
NPWS许可证C17/2023(处理蝙蝠的许可证,2026年1月23日到期); NPWS许可证27/2023(照片/电影蝙蝠的许可证,2024年12月31日到期); NPWS许可证DER/BAT 2022-36(调查许可证,2025年3月24日到期)。权威性声明:奥格尼博士自2000年以来一直担任蝙蝠专家,并为所有爱尔兰蝙蝠物种开展了广泛的调查工作,包括大规模开发项目,道路计划,住宅开发项目,风电场开发项目以及与建筑物翻新或栖息地增强有关的较小项目。她是爱尔兰蝙蝠保护的监视协调员和教练20年。她是21世纪2014年出版物爱尔兰蝙蝠的合着者。本书获得了2015年CIEEM信息共享奖。Aughney博士是2010 - 2015年爱尔兰哺乳动物地图集的特约作者。所有分析和报告均由Tina Aughney博士完成。在训练有素的现场助理的协助下,收集的数据和测量完成。Shaun Boyle先生(现场助理)NPWS许可证DER/BAT 2022-37(调查许可证,2025年3月24日到期)。客户端:ESB网络项目名称和位置:变电站,变压器建筑,Ardnacrusha,Co。Clare报告修订历史
。CC-BY-NC 4.0国际许可证的永久性。根据作者/筹款人提供了预印本(未经同行评审认证)提供的,他已授予Biorxiv的许可证,以在2025年1月14日发布的此版本中显示此版本的版权持有人。 https://doi.org/10.1101/2025.01.13.632745 doi:Biorxiv Preprint